Del Laboratorio a mi Compu con R

class: center, middle, inverse, title-slide

.title[
# Del Laboratorio a mi Compu con R
]
.author[
### M.C. Anahí Canedo Téxon
]
.date[
### 2023-07-20
]

---

# Código de Conducta

[https://rladiesmx.netlify.app/codigo_de_conducta/](https://rladiesmx.netlify.app/codigo_de_conducta/)

R-Ladies Mexico está dedicado a proveer una experiencia libre de acoso para todas y todos sus participantes. No toleramos ninguna forma de acoso en cualquiera de sus formas.

Este código de conducta aplica a todos los espacios de R-Ladies Mexico, incluyendo meetups, Twitter, Slack, listas de correo, tanto en sesiones en linea como fuera de ella. Cualquier persona que viole este código de conducta podrá ser sancionada o expulsada de cualquiera de estos espacios a discreción del comité organizador.

---
# TODOS LO ODIAN O TODOS LO AMAN
![](data:image/png;base64,#Figuras/RLOVE.png)
---

## Historia
* R es un lenguaje de programación creado por los estadísticos Ross Ihaka y Robert Gentleman en 1996. ![](data:image/png;base64,#Figuras/Fig_03.png)

---
## ¿Porqué usamos R?

* R, es software libre,gratuito

* La sintaxis de R es muy simple e intuitiva

* **CÓDIGO ABIERTO** Licencia GNU:Libertad del uso, modificación y distribución del software.

* R se utiliza para el análisis de datos cuantitativos y cualitativos en diferentes disciplinas.

* Permite además desarrollo de software especializado, por ello, la gran diversidad de paquetes.

---
## COMUNIDAD DE R
## R-Community: https://r-community.org/usergroups/
## CDBS: https://comunidadbioinfo.github.io/es/

![](data:image/png;base64,#Figuras/RGlobal.png)

---
## RLadiesGlobal: https://www.rladies.org/
## RLadiesMéxico: https://rladiesmx.netlify.app/
![](data:image/png;base64,#Figuras/RLadiesGlobal.png)

---
## R Base y Paquetes
**R base**  
* Las funciones disponibles viven en el R HOME es el directorio donde R esta instalado. * **R Base** contiene las funciones básicas del lenguaje para leer y manipular datos, algunas funciones gráficas y algunas funciones estadísticas (regresión lineal y análisis de varianza).

**CRAN**: **Comprehensive R Archive Network (CRAN)**
* Los archivos necesarios para instalar R, código fuente, las instrucciones de instalación, etc
* Actualmente hay ~20,000 paquetes depositados en el CRAN, otros en BioConductor y GitHub.

**Biocondutor**
Se enfoca al desarrollo y distribución de paquetes de R destinados al anáiisis de datos genómicos, incluyendo herramientas para manipular datos de microarreglos, NGS, single cell genomics, etc.

---

## ¿Cómo funciona R?

* R es un lenguaje Orientado a Objetos.  
* R guarda los resultados como un “objeto”, de tal manera que se puede hacer un analisis sin necesidad de mostrar su resultado inmediatamente
* Las variables, datos, funciones, resultados, se guardan en la memoria activa del computador en forma de objetos. 
* El usuario puede modificar o manipular estos objetos con operadores y funciones.
* Todas las acciones en R se realizan con objetos que son guardados en la memoria activa del ordenador, sin usar archivos temporales.

![](data:image/png;base64,#Figuras/Fig_01.png){width='80%'height=80%}

---
## R y Rstudio 
** [R](https://cran.r-project.org/). Es el lenguaje de programació

- [RStudio](https://posit.co/download/rstudio-desktop/). Es una aplicación de desarrollo de RStudio Inc. Esta app funciona como un entorno de desarrollo integrado (IDE), proporcionando a los usuarios herramientas optimizadas para el lenguaje de programación R. Permite construir scripts, compilar códigos, crear gráficos e incluso trabajar con varios conjuntos de datos en un entorno altamente capacitado.

---
## 1. Interfaz de R Studio

![](data:image/png;base64,#Figuras/Fig_08.png)

---
# 2. PRIMEROS PASOS EN R: CREACIÓN Y MANIPULACIÓN DE OBJETOS
---
**Asignar objetos**: Para crear nuevos objetos se denotado con el símbolo “->” o “<-”, incluso con "=".

```r
a<-20
20 -> a
a=20
```

---

* Almacenar variables en un objeto:

```r
f1 <- "manzana"
f2 <- "pera"
```

---
## R cómo calculadora 
* Operaciones simples

```r
8+9 #sumas
```

```
## [1] 17
```

```r
1000-84 #restas
```

```
## [1] 916
```

```r
200/9 #división
```

```
## [1] 22.22222
```

```r
5*10 #multiplicación
```

```
## [1] 50
```

```r
10^2 #exponenciales
```

```
## [1] 100
```
---
* Operaciones con objetos

```r
a=10
b=50
c=2

(a+b)^c
```

```
## [1] 3600
```
---
## Concatenar elementos
Función c() nos permite almacenar un conjuntos de datos (numéricos, caracteres, etc.)

```r
pares <- c(2,4,6,8,10)
colores <- c("azul","morado","rojo")
```

---
## TO DO: 
1. Crea un objeto con tu edad 
2. Crea un objeto que almacene el resultado de multiplicar 100 x 30 
3. Crea un objeto que almacene los nombres de los integrantes de tu familia

---
# 3. CARGAR BASES DE DATOS
---
#Conoce tu directorio actual de trabajo, copia la estructura de la dirección y modificala de acuerdo al sitio dónde se encuentren tus archivos.

```r
getwd() 
```

```
## [1] "/home/anahi/Escritorio/Meetup_Julio2023"
```
#Establece tu directorio de trabajo

```r
#Ejemplo: Estoy en escritorio ("/home/anahi/Escritorio/") y quiero moverme al Repositorio del Curso: 
setwd("/home/anahi/Escritorio/Meetup_Julio2023") 
```

---

**Archivos .csv**  
Los archivos con extensión .csv pueden ser leídos empleando la función read.csv().

```r
Experimento <- read.csv("BiomasaHongos.csv")
```

---
# 4. FUNCIONES PARA EXPLORAR UN DATAFRAME
---

```r
str(Experimento) #obtener el tipo de objeto/vector 
```

```
## 'data.frame':	30 obs. of  3 variables:
##  $ Especie    : chr  "Fsolani" "Fsolani" "Fsolani" "Fsolani" ...
##  $ Tratamiento: chr  "Control" "Control" "Control" "Control" ...
##  $ Biomasa    : num  4.6 3.1 4.4 5.2 3.7 1.6 2.1 2.2 3.2 1.7 ...
```

```r
dim(Experimento) #obtener las dimensiones del objetos
```

```
## [1] 30  3
```

```r
names(Experimento) #debido a qué es un data frame (compuesto de columnas y renglones), queremos conocer el nombre de las etiquetas de cada columna
```

```
## [1] "Especie"     "Tratamiento" "Biomasa"
```

```r
#----------
```
---
## Acceder a los elementos, o columnas del data frame

```r
# Experimento$
# Experimento$Especie

?attach() # Permite acceder a los objetos en la base de datos simplemente dando sus nombres.
attach(Experimento) 
```
---

```r
head(Especie)
```

```
## [1] "Fsolani" "Fsolani" "Fsolani" "Fsolani" "Fsolani" "Fsolani"
```

```r
ncol(Experimento) #obtener el numero de columnas del data frame
```

```
## [1] 3
```

```r
nrow(Experimento) #obtener el numero de renglones del data frame
```

```
## [1] 30
```
---
## Seleccionar elementos de un Experimento frame
nombre[renglones, columnas]

```r
  Experimento[1,] #Seleccionar el renglón 1
```

```
##   Especie Tratamiento Biomasa
## 1 Fsolani     Control     4.6
```

```r
  Experimento[,1] #Seleccionar la columna 1
```

```
##  [1] "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani" 
##  [7] "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani"  "Fsolani" 
## [13] "Fsolani"  "Fsolani"  "Fsolani"  "AspNiger" "AspNiger" "AspNiger"
## [19] "AspNiger" "AspNiger" "AspNiger" "AspNiger" "AspNiger" "AspNiger"
## [25] "AspNiger" "AspNiger" "AspNiger" "AspNiger" "AspNiger" "AspNiger"
```
---

```r
  Experimento[1:5,] #Seleccionar un rango de renglones
```

```
##   Especie Tratamiento Biomasa
## 1 Fsolani     Control     4.6
## 2 Fsolani     Control     3.1
## 3 Fsolani     Control     4.4
## 4 Fsolani     Control     5.2
## 5 Fsolani     Control     3.7
```

---

```r
  Experimento[-1,] #Excluir el renglón 1
```

```
##     Especie  Tratamiento Biomasa
## 2   Fsolani      Control    3.10
## 3   Fsolani      Control    4.40
## 4   Fsolani      Control    5.20
## 5   Fsolani      Control    3.70
## 6   Fsolani Propiconazol    1.60
## 7   Fsolani Propiconazol    2.10
## 8   Fsolani Propiconazol    2.20
## 9   Fsolani Propiconazol    3.20
## 10  Fsolani Propiconazol    1.70
## 11  Fsolani  Biomolecula    0.98
## 12  Fsolani  Biomolecula    1.46
## 13  Fsolani  Biomolecula    2.10
## 14  Fsolani  Biomolecula    1.80
## 15  Fsolani  Biomolecula    1.60
## 16 AspNiger      Control    5.42
## 17 AspNiger      Control    4.91
## 18 AspNiger      Control    4.61
## 19 AspNiger      Control    6.20
## 20 AspNiger      Control    3.10
## 21 AspNiger Propiconazol    1.00
## 22 AspNiger Propiconazol    2.44
## 23 AspNiger Propiconazol    1.30
## 24 AspNiger Propiconazol    2.33
## 25 AspNiger Propiconazol    0.64
## 26 AspNiger  Biomolecula    0.00
## 27 AspNiger  Biomolecula    0.50
## 28 AspNiger  Biomolecula    0.78
## 29 AspNiger  Biomolecula    1.30
## 30 AspNiger  Biomolecula    0.54
```
---

```r
Experimento[-(1:10),] #Excluir los renglones del 1 al 10
```

```
##     Especie  Tratamiento Biomasa
## 11  Fsolani  Biomolecula    0.98
## 12  Fsolani  Biomolecula    1.46
## 13  Fsolani  Biomolecula    2.10
## 14  Fsolani  Biomolecula    1.80
## 15  Fsolani  Biomolecula    1.60
## 16 AspNiger      Control    5.42
## 17 AspNiger      Control    4.91
## 18 AspNiger      Control    4.61
## 19 AspNiger      Control    6.20
## 20 AspNiger      Control    3.10
## 21 AspNiger Propiconazol    1.00
## 22 AspNiger Propiconazol    2.44
## 23 AspNiger Propiconazol    1.30
## 24 AspNiger Propiconazol    2.33
## 25 AspNiger Propiconazol    0.64
## 26 AspNiger  Biomolecula    0.00
## 27 AspNiger  Biomolecula    0.50
## 28 AspNiger  Biomolecula    0.78
## 29 AspNiger  Biomolecula    1.30
## 30 AspNiger  Biomolecula    0.54
```

---

## Explorar las categorias o los diferentes niveles de los grupos de tratamientos en el experimento

```r
Tratamiento <- as.factor(Tratamiento)
levels(Tratamiento)
```

```
## [1] "Biomolecula"  "Control"      "Propiconazol"
```

## Contar el número de categorías que resultan de la función anterior:
## Funciones aninadas

```r
length(levels(Tratamiento)) #¿cuántos tratamientos se realizaron en el experimento?
```

```
## [1] 3
```
---
## ¿Cuántas especies se utilizaron?

```r
length(levels(Especie)) 
```

```
## [1] 0
```

```r
Especie <- as.factor(Especie)
```
---

## ¿Cuántas repeticiones se realizaron por especie?
## Hacer un subset de cada uno de los grupos  de tratamientos en el experimento
?subset()

```r
spp1 <- subset(Experimento, Especie =="Fsolani")
spp2  <- subset(Experimento, Especie =="AspNiger")
```
---
## TO DO:
1. ¿Cuántas repeticiones se realizaron por tratamiento?  
Crear un subset para cada tratamiento

2. Explora el número de elementos de cada subset con las funciones  
dim()  
ncol()  
nrow()  
leveles()  
length()

---
## ALGUNAS FUNCIONES MATEMÁTICAS

```r
sum(Biomasa)
```

```
## [1] 74.81
```

```r
mean(Biomasa)
```

```
## [1] 2.493667
```

```r
sd(Biomasa)
```

```
## [1] 1.688291
```

```r
var(Biomasa)
```

```
## [1] 2.850327
```

---
## 5. GENERACIÓN DE GRÁFICOS

```r
plot(density(Biomasa)) # ¿se ajustan a una campana tipo gaus?, la funcion plot() anidada con density() me ayuda a visualizar la distribucion de mis datos
```

![](data:image/png;base64,#Slides_Meeuup_julio2023_files/figure-html/unnamed-chunk-22-1.png)

---

```r
boxplot(Biomasa~ Tratamiento) #Boxplot por tratamiento
```

![](data:image/png;base64,#Slides_Meeuup_julio2023_files/figure-html/unnamed-chunk-23-1.png)

---
## 6. TEST ESTADÍSTICO

```r
shapiro.test(Biomasa)
```

```
## 
## 	Shapiro-Wilk normality test
## 
## data:  Biomasa
## W = 0.9319, p-value = 0.05518
```
#¿el valor de p, es mayor, o menor, a 0.05?
#p>0.05: HAY NORMALIDAD
#P<0.05: NO HAY NORMALIAD

---
# TO DO:
Pide el manual de ayuda de la función boxplot y explora algunos argumentos,  agrega detalles cómo:
1. Color a las cajas
2. Título del gŕafico
3. Cambia la etiqueta del eje x, por "Antifúngicos"
4. Cambia la etiqueta del eje y por "Biomasa (gr.)"
---
# Exportar figuras

```r
#png("Experimento.png")
boxplot(Biomasa~ Tratamiento, col= c("blue","red","green"))
```

![](data:image/png;base64,#Slides_Meeuup_julio2023_files/figure-html/unnamed-chunk-25-1.png)

```r
#dev.off()
```
---